结合时间上下文和兴趣模型协同过滤推荐算法

摘要：

针对传统协同过滤UserCF推荐算法,用户相似度计算数据维度单一、精确率低、用户兴趣动态漂移等问题,提出一种结合时间上下文和用户兴趣动态衰减模型的协同过滤推荐算法.在传统协同过滤算法中结合时间上下文优化用户相似度的计算,引入用户收敛兴趣衰减模型,动态评估用户兴趣变化.算法通过MovieLends-1M数据集进行实验验证,按照Fβ值、准确率、召回率与传统UserCF、UserCF-IIF算法进行对比分析.实验结果表明:本文算法精确率最高可达25.6％、召回率最高可达12.2％,相比UserCF、UserCF-IIF算法,在Fβ值方面本文算法具有明显提升.

关键词：时间上下文、动态兴趣、协同过滤、推荐系统

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：教育部人文社会科学研究项目;湖南省普通高等学校教学改革项目;国家级大学生创新创业训练计划项目

在线出版日期：2023-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：40-46